如果我说，你和你朋友圈里某个「AI 用得特别溜」的人，用的是同一款 AI，同一个模型、同一个版本、花一样的钱，但对方能用它产出一整天的工作量，你只能得到一个下午的量，你觉得问题出在哪里？

大部分人会说，他用的提示词更刁钻，他找到了我没找到的模板，他充了更贵的会员，或者干脆，他本来就比我聪明，AI 在他手里当然更强。

都不是。而且真正的答案，比你猜的任何一个都要简单，也都要残酷。

论文PDF链接：https://www.anthropic.com/research/anthropic-economic-index-january-2026-report

Anthropic 第四份经济指数报告里有一个让人不舒服的发现，用户的提问质量和 AI 的回答质量之间的相关性，超过了0.92（论文P34），近乎完美。你丢一句「帮我写个方案」，它就给你泛泛的空壳，你把背景、目标、约束写清楚，它给你的东西就完全不一样。同样的模型。同样的算力。

但这还只是第一层。光把问题问清楚还不够，真正拉开差距的，是你和 AI 之间，是一种「命令-执行」关系，还是一种「协作-迭代」关系。

我看到这个数据的时候，突然想起我一个朋友。他之前跟我吐槽，说 AI 写出来的东西太烂了，我问你怎么用的，他说「我就跟它说，帮我写一篇公众号文章」。我说你有没有告诉它你要写什么主题、写给谁看、大概什么调性、有什么不能写的，他说没有啊，AI 不是应该自己知道吗。

我当时就愣住了。。。不是哥们，你是认真的吗。

怎么说呢，这个朋友不是不聪明，他写文章比我厉害多了。但他对 AI 有一个默认假设，他觉得 AI 是一个能自动理解他意图的智能体，而不是一个需要被正确调度、被充分给上下文的工具。这其实是现在很普遍的一个错觉，AI 越来越强了，所以使用门槛越来越低了。但这份报告告诉我们的恰好相反，AI 越强，提问的质量就越重要，因为同一个模型的能力天花板比你以为的高得多，而你能摸到多高，取决于你怎么去够它。

不过光会问还不够。

Anthropic 报告里还有个数据蛮有意思，他们也分析了 Claude.ai 上用户的使用模式，把对话分成两类，一类叫augmentation（协作式），就是你把 AI 当成协作对象，给反馈、改方向、追问、验证，来回迭代；另一类叫automation（全自动式），就是你给它一个任务，撒手不管，等它自己跑完。这个数据在报告发出来的时候出现了很有意思的变化，Claude.ai 上 augmentation 的比例回升到了 52%，automation 降到了 45%。

协作式使用重新超过了全自动式使用。

你想想看，Claude.ai 的工具能力越来越强，按理说大家应该更倾向于放手让 AI 自己跑才对。但真实的使用数据告诉你，真正高频使用 AI 的人，并不是把 AI 放得更远，而是把自己更深地放进流程里。

他们不是少操作，而是更多地在协作。

这个发现让我想起一个更根本的问题。如果协作真的这么重要，那同一个模型，不同用法，差距到底能有多大？

接下来是论文中最硬核的部分。

Anthropic 在这份报告里做了一个很厉害的分析。他们不是笼统地说「AI 能帮你省时间」，而是用了任务成功率来做衡量，看一个任务在多长时间内，AI 有 50% 的概率能成功完成。他们把这个叫「有效任务地平线」。然后他们分别看了两个数据来源，一个是 Claude 的 API，用户通过应用程序接口单次调用，大多是单轮输入输出；另一个是 Claude.ai，就是聊天界面，用户可以直接多轮对话、补充信息、追问细节。

结果是这样的。

API 单轮指令的使用模式下，50% 成功率的有效任务地平线大约是 3.5 小时，你要让 AI 做超过 3.5 小时的任务，成功率就开始低于一半了。而 Claude.ai 多轮对话的使用模式下，这个数字被推到了大约 19 小时。

同一个模型，同样的底层能力。差了将近4 倍？？？

当然我要说明一下，19 小时这个数据是基于拟合线的外推估计，不是一个精确的测量值。但这个差距的方向和量级，已经足够说明问题了。

坦率的讲，我看到这个数据的时候真的被震了一下。不是模型进步带来的差距，不是新版本带来的差距，就是纯纯的「你怎么用它」的差距。你把它当一次性执行引擎，它就是个 3.5 小时的工具。你把它当协作伙伴，一轮一轮拆、一轮一轮纠、一轮一轮补充背景，它能陪你走将近一天的工作。

同一模型，API 单轮指令（蓝线）的任务地平线约 3.5 小时，Claude.ai 多轮对话（黄线）能推到 19 小时。越往右任务越长，差距越大。

这就是使用方式的差距。

顺着这个再往下想一层。

如果连同一个模型都能差这么多，那面对真正复杂的任务，怎么做才能不翻车？

报告的第 4 章给了一个挺反直觉的回答。他们发现，任务越复杂，AI 带来的速度提升越大，高中教育水平的任务 AI 能提速大约 9 倍，大学教育水平的任务 AI 能提速大约 12 倍。但与此同时，成功率在往下掉，从大约 70% 掉到大约 66%。

所以呢，你会发现一个很有意思的矛盾，AI 在复杂任务上帮你的速度更快，但出错的概率也更高了。

你想想看这个矛盾能说明什么。

越复杂的任务，你越不能「直接把 AI 的答案当成最终成品」。你要做的，不是信任 AI 的输出，而是信任 AI 能帮你加速每一步，但每一步你都需要验证方向。把大任务拆成可验证的小步骤，每一步让 AI 加速，你负责判断方向有没有偏。

这听起来像常识，但我跟你说，真正这么做的人很少。因为拆任务这个动作本身就需要理解任务、理解 AI 的能力边界、理解什么步骤适合交给 AI、什么步骤必须人来做。而这些理解，不是「AI 自己会知道」的，是需要你去学的。

说实话，我自己也还在学。每次觉得已经会用 AI 了，过两天就发现一个新用法，然后发现自己之前又浪费了不知道多少时间。这玩意就是这样，你永远在追。

聊到这儿，我想再往上拉一层。

很多人看这种 AI 报告的时候，会很自然地想到一个问题，AI 到底能替代多少工作。然后媒体会报一个数字，说 AI 覆盖了某个职业 80% 或 90% 的任务。

看起来是不是很唬人。

但 Anthropic 这份报告提出了一个概念叫「有效 AI 覆盖率」。他们告诉你，看 AI 对一份工作的影响，不能只看 AI 在这份工作中有没有出现过，你还要看三个东西，这个任务在职业里有多重要、AI 用的频率高不高、AI 完成这个任务的成功率是多少。报告里的职业数据分析显示，同样是 AI 渗透率很高的职业，结果完全不一样，数据录入员，AI 覆盖了他们最耗时的那些核心工作，而且这些任务是 AI 真正擅长的，有效覆盖率就很高；微生物学家，AI 确实出现在很多任务里，但那些最耗时、最关键的实验设备操作、数据采集环节，AI 根本碰不到，有效覆盖率就很低。

你看，同样的 AI，同样的技术。不同职业、不同任务，有效覆盖率的差距巨大。

那这个差距是怎么来的呢。

不是 AI 不行，是你得知道你的工作中，哪些部分 AI 真能干、哪些部分它只能表面覆盖、哪些部分它完全碰不到。这个判断能力本身，就是使用方式的一部分。你如果对自己做的工作都没有拆解到那个颗粒度，你当然会觉得「AI 好像什么都能做，又好像什么都没做成」。

覆盖了不等于能干成。这句话其实不只是说给企业听的，也是说给每一个用 AI 的人听的。

横轴是任务覆盖率（AI 数据里出现过多少任务），纵轴是有效覆盖率（真正能干成的比例）。有些职业 AI 出现了 90% 的任务，但有效覆盖不到一半。

写到最后，我想回到开头那个问题。

你以为用 AI 是点一个按钮，但 Anthropic 整份报告从第一个数据到最后一个数据，都在讲同一个道理，每个按钮背后，都是你理解到什么程度、拆解到什么程度、反馈了多少轮。报告里还有一个数据可以作为收尾，他们做了一个生产力估计，看起来 AI 每年能推动 1.8 个百分点的生产率提高，但当你把任务成功率修正进去，也就是只算 AI 真正能干成的事，这个数字就缩到了 1.0 个百分点。

差不多被高估了一半。

那些被高估掉的部分，就是你把 AI 当成按钮用的时候，你以为它帮你省的时间。

我再多说一句。报告还发现，AI 使用越高的地区，协作式使用的比例越高。GDP 越高的地区，AI 使用越活跃。教育水平越高的地区，AI 用得更深。这些不是独立的发现，它们指向同一个方向，AI 使用方式本身的差距，正在变成一个新的社会筛选器。不是你有没有 AI，而是你怎么用 AI。

当屏幕前的你觉得 AI「直接用就行」的时候，比你更会用 AI 的人，已经在用同样的工具创造完全不同量级的结果。

当然，现在想明白这件事还不晚。AI 还远远没到用完所有可能性的阶段，你现在开始学怎么把它当协作对象而不是问答按钮，成本并不高。你就是需要重新理解一件事，把问题说清楚、把任务拆开、让 AI 迭代、保留自己的判断，这些不是附加技能，它们是使用 AI 的核心。

AI 的差距不在模型之间，在你和你的使用方式之间。

感谢阅读。点个关注，不迷路，我们后续会持续跟ai领域的前沿技术动态，第一时间为你解读。